你使用什么数据挖掘包？

在 sklearn 中，DecisionTreeClassifier可以为您提供概率，但您必须使用类似max_depth的东西来截断树。它返回的概率是$P=n_A/(n_A+n_B)$，即在该叶子（在训练期间）捕获的全部观察值中，该叶子“捕获”的 A 类观察值的数量。但同样，你必须修剪或截断你的决策树，否则决策树会一直增长到$n=1$ 在每片叶子等等 $P=1$.

话虽如此，我认为您想使用随机森林之类的东西。在随机森林中，通过使用数据的不同重采样来训练多个决策树。最后，概率可以通过投票给每个类别的决策树的比例来计算。我认为这是一种比使用单个决策树更可靠的估计概率的方法。

但是随机森林是不可解释的，所以如果需要互操作性，请使用我提到的决策树。您可以使用网格搜索通过更改超参数（例如最大深度）来最大化 ROC AUC 分数，以找到任何决策树提供最可靠的概率。

编辑：如果我不够清楚，我认为使用单个决策树来预测概率是很糟糕的。我在博客文章中扩展了我的答案。